知识图谱以图的形式描述客观世界中实体及其之间的关系,但目前知识图谱的图结构主要用于后台的数据逻辑处理,前端的应用并不是很充分,为此论文将图的可视化技术引入到知识图谱应用系统前端技术中,以提升用户视觉体验,使用户能够更直观、更高效地获取知识图谱的重要节点信息及主要结构特性。图的可视化技术以图中节点和边的合理布局为核心,目前主流的布局模型为基于力学引力和斥力作用的力导向模型,论文以该模型为基础模型,以凸显节点局部聚类特性、反映节点多重隶属关系及提高布局执行效率为目标,开展了两种优化布局算法的研究,并将之应用到慢病知识图谱可视化问答原型系统中。论文的具体研究工作和研究成果如下。（1）基于重叠社区发现的可视化布局优化算法研究。社区包括重叠社区结构,是知识图谱的一种普遍存在,为从整体上反映知识图谱的结构组成,论文基于快速高效的Louvain社区发现算法,利用模糊c-means聚类算法获取节点的隶属度,以此设计模块度函数,实现重叠社区发现功能。同时论文增加社区引力和社区斥力属性改进力导向算法,优化社区布局效果。论文选取能够反映社区划分质量的模块度值、能够衡量布局质量的最小化边缘交叉、最小角度度量等为评估指标,进行了对比实验,结果表明论文所提出的算法的重叠社区检测能力优于CPM算法和COPRA算法,可视化布局结果也较为清晰。（2）基于图嵌入方法的可视化布局优化方法研究。大规模知识图谱常包含高维深层结构,为提高可视化执行效率、并能在有限布局空间内展现核心结构组成,论文基于深度学习图嵌入方法,构建能捕获图深层次的非线性结构、降低节点信息维度的压缩模型,以此提高算法效率。在此基础上,根据提取的图结构,论文设计基于力导向算法的多层迭代方法,优化斥力计算模型,实现布局算法对节点间距离的优化调整。论文选取布局运行时间、最小化边缘交叉作为评估指标,在拥有上万节点的数据集上进行对比实验,结果表明论文所提出方法的算法布局时间为0.336s,具有速度优势,可视化布局效果也得到了改善。（3）基于Echarts的可视化问答原型系统设计与实现。论文使用Echarts框架,集成所提出的两种优化布局算法,设计了慢病知识图谱可视化问答原型系统。论文给出了系统的需求分析、总体设计、数据集获取及主要功能实现,通过功能测试验证了系统设计的可行性和算法的有效性。